Un modèle neuronal pour la régression et la discrimination sur données fonctionnelles

Résumé : L'objectif de cet article est de présenter un nouveau modèle neuronal adapté à la régression sur variables explicatives fonctionnelles. Nous décrivons le perceptron multi-couches (PMC) fonctionnel et résumons les propriétés théoriques de celui-ci, en terme de puissance de calcul et d'estimation des paramètres. Nous proposons ensuite deux techniques de mise en oeuvre informatique que nous illustrons dans deux applications, l'une sur des données artificielles, l'autre en spectrométrie. Le PMC fonctionnel est ainsi comparé au PMC classique ainsi qu'à des méthodes plus classiques adaptées elles aussi aux données fonctionnelles. Dans les exemples choisis, les PMC fonctionnels obtiennent de meilleures performances que les autres techniques et représentent la fonction de régression de façon très parcimonieuse.
Type de document :
Article dans une revue
Revue de Statistique Appliquée, Société française de statistique, 2005, LIII (4), pp.5-30
Liste complète des métadonnées

https://hal.inria.fr/inria-00001190
Contributeur : Fabrice Rossi <>
Soumis le : samedi 1 avril 2006 - 16:09:24
Dernière modification le : mercredi 28 septembre 2016 - 16:01:47
Document(s) archivé(s) le : samedi 3 avril 2010 - 23:05:32

Identifiants

  • HAL Id : inria-00001190, version 1

Collections

Citation

Fabrice Rossi, Brieuc Conan-Guez. Un modèle neuronal pour la régression et la discrimination sur données fonctionnelles. Revue de Statistique Appliquée, Société française de statistique, 2005, LIII (4), pp.5-30. <inria-00001190>

Partager

Métriques

Consultations de
la notice

273

Téléchargements du document

199